供應鏈協同管理是一種全局性的、戰略性的管理思想和管理方法，它主要是通過對供應鏈系統中的人力、物力、資金及信息等資源進行規劃、組織和控制來實現其目標。然而，隨著互聯網技術不斷創新進步，電子商務的發展為供應鏈的協同管理帶來了新的契機。通過電子商務與供應鏈協同管理理念的有機結合，可以將供應鏈下游中用來創造新的用戶界面推廣到整條供應鏈中，從而建立起高性能、高效率的集成供應鏈。

在供應鏈協同管理中，其管理的績效是其中的重要部分。利用科學合理的方法評估協同績效，可以為決策者提供有力的參考依據，從而更好地提高供應鏈協同管理的效果。因此，供應鏈協同管理的績效評估十分關鍵，它是協同管理的一個重要環節。

本文主要以電子商務供應鏈中的企業為例，建立起以B2B電子商務供應鏈為基礎的供應鏈協同績效評價指標體系。

一、B2B電子商務供應鏈協同績效評價指標體系

（一）指標體系建立思路
首先，結合電子商務中B2B模式的特點，將供應鏈的協同管理分別從信息流、業務流和資金流這三個方面進行有機結合，從整個供應鏈系統的角度考慮客戶關系和文化共識；其次，根據B2B電子商務集成供應鏈的運作流程和協同評價準則，確定協同指標；再次，結合電子商務企業實際運作中的需求和期望，對協同指標進行適當的調整，然后確定符合實際要求的評價指標，進而建立指標體系；最后，電子商務供應鏈協同 管理的良好運行還需 要整個系統具有軟協同，即文化共識方面的協同并始終貫穿整 個評價指標體系。

（二）B2B電子商務供應鏈協同績效 評價體系的構建
由于電子商務供應鏈中可能存在有一部分企業是虛擬企業，與傳統供應鏈相比，部分運作流程是需要 在一定系統平臺中 操作的。

針對這種情況，若只是簡單地選用其 中的某種評價體系，則會脫離實際情況，構建出的績效評價體系評估其績效結果也是不準確的。因此，在構建B2B電子商務供應鏈協同績效評價體系時，更多的是考慮電子商務供應鏈的特點，結合SCOR評價體系和BSC評價體系的優勢，借鑒供應鏈協同績效評價相對比較成熟的理論及現實案例研究，最終形成了B2B電子商務供應鏈特有的協同績效評價體系，如表1所示?！颈?】

二、BrainCell軟件及其神經網絡基本原理

（一） BrainCell神經網絡基本原理
本文主要應用了BrainCell神經網絡軟件來實現B2B電子商務供應鏈協同績效評價模型的計算與分析。BrainCell神經網絡采用誤差反向傳播學習算法，算法從兩個方面（信號的前向傳播和誤差的反向傳播）反復進行迭代學習。其基本原理是輸入層各神經元在接收外接的信息后，傳遞給隱含層的神經元，根據減少目標輸出與實際輸出誤差的方向，從輸入層經過隱含層逐層修正各連接的權值，直到將誤差調整到能夠接受的程度，這不僅是各層權值不斷修正的過程，也是學習訓練神經網絡的過程，若學習樣本的計算輸出提前達到預期的結果，則訓練過程結束，否則將學習到預先設定的學習次數為止，最后由輸出層輸出信息處理的結果，如上圖所示?！緢D】

（二）BrainCell神經網絡實現步驟
1.網絡層數的確定
根據Kolmogrov理論可知，含有一個表2供應鏈管理績效評價表績效評價等級 績效評價等級系數好較好一般較差差0.8-1.00.6-0.80.4-0.60.2-0.40-0.2隱含層的三層神經網絡可以以任意精度逼近一個從輸入到輸出的映射關系。因此，在BrainCell神經網絡中采用含有單隱層的三層神經網絡。

2.網絡節點的確定
輸入層節點的多少與評價指標個數是相對應的。因此，根據構建好的B2B電子商務供應鏈協同績效評價指標體系，可以將一級指標與二級指標進行合并，作為輸入層的節點數，其指標數如表1所示，因此輸入層節點數為19個。輸出層節點則為1個，在此以B2B電子商務供應鏈協同績效等級結果作為輸出值。

3.網絡訓練
本文采用的訓練函數為trainscg，將網絡訓練的精度設置為10-4并初始化權值和閾值后，從15個樣本中選取12個作為訓練樣本進行批處理訓練，開啟網絡進行學習訓練。

其具體步驟如下。假設訓練樣例是形式（a，b），其中a為輸入向量，b為輸出值。 N為輸入節點數，M為輸出層節點數。從單位i到單位j的輸入表示aij，單位i到單位j的權值表示Wij。

（1）創建具有N個輸入單位，M個輸出單位的BrainCell神經網絡。

（2）用隨機數（0或1）初始化某些數字變量網絡權值Wij。

（3）對于第k個訓練樣例（a，b），把輸入跟著網絡前向傳播，并計算網絡中每個單元x的輸出Qx，使誤差沿著反向傳播。

（4）對于每個輸出單元u，計算它的誤差項。

（5）對于每個隱含單元h，計算它的誤差項。

（6）利用誤差項更新調整每個網絡權值。

（7）重復（3）到（6），直到完成指定的迭代次數或者是其誤差值達到可接受的范圍。

4.網絡檢驗
將剩下的3個驗證樣本數據輸入到訓練好的網絡中，將其訓練結果與實際結果相比較，檢驗BrainCell神經網絡得到的輸入與輸出間的關系是否正確，從而反映出該績效評價體系的準確性和可靠性。

三、實證研究與分析

（一）確定績效評價等級
由于各個企業供應鏈自身發展的情況不同，各具特點，其形式、結構各異，因此如何劃分績效評價等級，如何更好地反映績效評價等級至關重要。本文以績效考核成績最好為1，最低為0為臨界值，由高到低劃分5個等級，并通過績效等級系數來體現，見表2所示?！颈?】

（二）指標數據獲取和處理
本文以天貓商城中某珠寶飾品有限責任公司為例，該公司有比較穩定的供應商，且與多家企業都有長期合作關系。根據公司的實際管理情況，整理出該公司供應鏈協同管理的績效指標評價體系研究的基礎數據，應用BrainCell軟件對這些基本數據進行計算。為使各指標在整個系統中具有可比性，本文利用效應系數將指標在閉區間[0，1]上進行同趨勢化無量綱化和定性指標定量化處理。對于正向指標（越大越好），效應系數計算公式為fj=1-\\(xj-xjmin\\)/\\(xjmax-xjmin\\)對于逆向指標（越小越好），效應系數計算公式為fj=\\(xj-xjmin\\)/\\(xjmax-xjmin\\)其中， fj是xj的效應系數，j是評價指標的數目，xmax是第j個指標的最大值， xmin第j個指標的最小值。

（三）網絡訓練與模型檢驗
該績效評價指標主要分為2層，在此將一級指標與二級指標進行合并，作為輸入層的節點數，設指標集a={a10，a02，…a18，a19}={信息共享率，信息準確率，系統利用率…投資收益率}。樣本組設為X，共整理出了15組樣本，X={X1，X2 … X15}。其中，選取12組基本數據作為訓練樣本數據組，進行批處理訓練，3組作為檢驗樣本數據組來驗證學習訓練的結果。經過上述規范化地數據處理后，得到三組檢驗樣本數據如表3所示?！颈?】

首先，分別定義12組訓練數據和3組檢驗數據，然后啟動BrainCell軟件，根據軟件提示輸入層和輸出層的節點數，分別為19和1。在outputnodes中輸入lin-ear，按照軟件指示設置閾值和初始化網絡權值后，開始訓練這12組樣本數據。然后 根 據 之 前 訓 練 好 的 網 絡 預 測X13、X14、X15這3組檢驗樣本數據，結果如表4所示?！颈?】

結果表明，該公司的供應鏈整體績效基本良好，其績效評價等級系數主要都集中在[0.5,0.8]這部分區間內，與該公司所處供應鏈實際情況相符。該公司運作情況基本令人滿意。

四、結語及展望

從計算結果中可看出，目前我國B2B電子商務供應鏈的發展還有很大的提升空間，電子商務企業間應加強利用現有的系統功能，以電子商務平臺為中心，協同化開展關鍵業務管理活動，增加企業間的信任度和目標一致性，從而實現整個電子商務供應鏈的共贏發展。

參考文獻：

[1]唐業富.B2B電子商務供應鏈協同管理研究與應用[D].江西理工大學,2008\\(06\\).
[2]史成東.基于啟發式屬性約簡和神經網絡的供應鏈協同管理績效預測[J].科技管理研究,2009\\(03\\).
[3]張翠華.供應鏈協同績效評價及其應用[J].東北大學學報,2006\\(06\\).
[4]葉春明.BP神經網絡在供應鏈管理績效指標評價中的應用研究[J].工業工程與管理,2005\\(05\\).
[5]彭志忠.供應鏈協同績效評價體系實證效應分析[J].中國流通經濟,2008\\(09\\).